Google宣布暂停与华为在触及软件、硬件和技术效劳方面的协作，不只华为手机将无法更新安卓系统，新的华为手机也可能无法运用Google软件，比方Chrome阅读器、Gmail、YouTube等。

此次“封杀”事情，不只再次将华为逼入窘境，更是在为每一个企业、科技公司敲响警钟。

背后的缘由复杂，我们且不讨论。但是这次“封杀”事情，就像一个宏大的石头，把稍稍宁静的湖面又一次搅浑。面对这样的“禁令”，很多欧洲等海外用户表示担忧在华为手机上运用相关软件与效劳。

知乎上2016年有一个问题：“如何评价余凯在朋友圈发表呼吁大家用 caffe、mxnet 等框架，防止运用 TensorFlow？”

这个问题在当时惹起了很大争议，但在往常看来，这画面竟如此类似。

庸人自扰还是四面楚歌？

余凯是前前百度研讨院副院长，深度学习实验室主任，他在中国率先推进大数据人工智能在互联网行业的技术研发和创新。他在朋友圈写的原文如下：

“算是一个郑重的声明吧：不断以来我十分敬佩谷歌的Jeff Dean在MapReduce和谷歌大脑（TensorFlow）等项目上的出色成就。但是，我必需指出，听任TensorFlow成为世界上占统治位置的人工智能开发平台对世界是风险的。虽然这个平台目前是开源的，但是随着时间的推移，人工智能变得越来越强大，这个系统会变得极端复杂到失去透明性，而且会很可怕的变成全世界数据，计算，硬件，编译器等的规范制定者。这样会招致一个不安康的生态，障碍年轻人控制技术的自在，让个人，公司以至国度在人工智能范畴的自主开展，最终被一家商业公司所控制。这不是危言耸听。可惜如今绝大局部人都还认识不到这点。特别是在中国。我呼吁大家都来运用Caffe，Mxnet等愈加开放中兴的开源系统，防止运用TensorFlow。”

TensorFlow是一个开源软件库，用于各种感知和言语了解任务的机器学习。上线不到两年便成为Github最受欢送深度学习项目，TensorFlow目前在全球曾经有超越4100万的下载次数，社区有超越1800多个奉献者。依据官方提供的全球用户散布状况，目前TF中国应该是仅次于美国和欧洲的第三大地域。

而关于TensorFlow，余凯提出的担忧并不是全无道理。由Google开发的，固然目前处于开源，但很多人以为作为一个巨头企业，假使有一天控制一切资源，终会产生一个不安康的生态。

图片来自知乎

当然，还是不少人以为“垄断性”过于庸人自扰了，往常的整体程度远远达不到垄断性水平。

图片来自知乎

也有更为理性的人以为，评价一段话首先要看说话的人，说话的对象，以及当时的背景。知乎网友表示：“google固然拳头大，但毕竟双拳对四手，想吃掉一切人的蛋糕不免胃口太大。国内的的大厂固然还没有直接跟google竞争，但还是应该有一些久远的想法的”。

图片来自知乎

而知乎用户洪春涛直接指出，作为大厂肯定是担忧Google对框架具有的绝对控制力气，为了降低各方面风险肯定还是希望将主动权控制在本人手中；而作为普通的用户，自然是什么好用便用什么了。

图片来自知乎@洪春涛

站在不同立场和时间点，对此的想法都会不同。无论是过于庸人自扰，还是无可挽回的曾经发作。在历史的车轮面前，我们能做的唯有做好一切行将发作的准备，尽可能的控制更多主动权。

自主创新，将来可期

担忧之下，其实我们也不断在作出努力。就像此次的“Google封杀华为”事情，早在过去几年，华为在手机操作系统的硬件和软件层面均有所准备，关于内部研发麒麟 OS等相关系统的音讯已有七年之久。之前华为副总裁余承东就表示：“ 我们曾经准备好了本人的操作系统，一旦发作了我们不可以再运用这些（来自 Google 和微软的）操作系统的状况，我们就会做好启动 B 方案的准备。”

而在深度学习框架方面，目前国内不少企业也作出了自主研发框架的尝试。

比方百度在2018年3月开源了其深度学习平台Paddle，Paddle始于2013年的时分，传统的基于单GPU的锻炼平台曾经无法满足计算广告、文本、图像、语音等锻炼数据的快速增长需求，因而搭建了Paddle(Parallel Asynchronous Distributed Deep Learning)多机并行GPU这个锻炼平台。得到了普遍好评。

Paddle与其他框架比照

阿里巴巴2018年11月开源内部深度学习框架 X-DeepLearning，这是业界首个面向广告、引荐、搜索等高维稠密数据场景的深度学习开源框架，能够与 TensorFlow、PyTorch 和 MXNet 等现有框架构成互补。X—DeepLearning经过2年的研发与打磨，XDL目前曾经在阿里妈妈胜利部署到内部的消费系统。以阿里妈妈定向广告为例，2017年，以 XDL 为根底的深度学习算法晋级带来的广告收入提升超越百亿。

商汤（SenseTime）也有自研的parrots，目前暂时没有开源。旷视Face++用的是内部自研平台——MegBrain 深度学习引擎，开发时间早于 TensorFlow 的开源时间。

一流科技教师木的深度学习框架OneFlow，历经两年的研发，2018年10月份推出1.0版本。OneFlow在企业级大范围应用上是称得上遥遥抢先的，OneFlow在散布式锻炼时的扩展才能，加速比是最优秀的。这些特性也正是OneFlow作为企业级深度学习框架，比已有开源深度学习框架优秀之处。

在众多国内AI先行企业中，恒基AI应用区块链技术，结构一种高性能、费用低廉的大范围AI算力网络，名为恒智链（HAI Chain）人工智能+区块链算力网络。这种形式极为新颖，有望在当下国际摩擦中脱颖而出

同比目前主流的深度学习框架平台，HAI展现出其容纳性，开发提供针对AI的托管效劳HAI ML Engine，这项效劳能够部署包括scikit-learn、XGBoost、Keras以及TensorFlow在内多个机器学习框架来构建本人的模型，从而降低构建模型的学问门槛，更快的完成智能处理的计划。

与TensorFlow相比，HAI AutoML可让所需机器学习专业学问较少开发者用工作量不高的办法锻炼自定义学习模型。HAI AutoML具备可迁移学习的才能，其能够做到把已锻炼好的模型参数迁移至新模型来协助模型锻炼，意味着开发者在开发新模型时无需从零学习，极大减少开发新模型的时间与耗费；

HAI Chain还具备神经搜索网络，其特性是处理神经网络设计的终极问题。由于设计神经网络极度耗时，让大多数科研人员和工程师很难参与模型的神经网络设计。神经搜索网络就是经过强化学习或进化算法来设计心得神经网络网络构造，从而到达“神经网络也能够设计神经网络”的目的。

恒智链（HAI Chain）的高性能源自于它提出HAI HPU恒智链专用芯片的设计，其灵感来自于Google 针对TensorFlow 开发的TPU，不同之处是HPU采用“脉动阵列（systolic array）”进步计算性能，这个架构的特殊性在于将多个运算逻辑单元串联在一同，复用从一个存放器中读取的结果。HPU的研发以为这将与TPU在世界芯片市场同台竞技，大幅降低Google的TPU垄断市场的可能性。

为确保算力网络不会像Google的TensorFlow一样带来垄断性的结果，HAI Chain运用区块链技术确保其在AI技术应用上的中立性，分布式AI算力的计划，从业界角度处理AI深度学习的需求，重新定义AI算力的供求关系，给一切开发者在公平且低学问门槛的平台下，自主研发深度学习模型，并应用至所在行业。比照当前遇到的大型互联网企业垄断算力市场的环境，恒智链可让AI共享登上一个新台阶，在这关于这个信奉开源的时期而言，意义特殊。

关于深度学习框架的开发依然存在窘境，我们想要开发一个简单的框架难度并不大，但想要完成一个易用性高、高效性不错的框架是十分难的，期间面临的问题需求强大的技术实力和坚持创新才干处理。

人类走过的路似乎大多相同，曾经我们在芯片上走过最长的攻坚路。往常我们又走到了另一个技术壁垒前面，另一个窘境面前。不论是芯片、系统、算法框架，技术壁垒只是壁垒，后面已无退路，我们都需坚持不懈的拿下这些壁垒。

这段时间，华为面临的艰难一个接一个，我们面临形势似乎也越来越严峻。在这场宏大的战役之下，技术壁垒只是我们面临的一个方面，一个重要的方面。这次我们一同走到了攻坚时辰，这场战役会持续多久谁也不晓得，但唯有一点能够肯定，我们需求更有底气的技术实力，更坚决的决计，更多底牌撑起的主动权。